🚨开源权重手术刀OBLITERATUS！failspy消融实现DeepSeek V4.1 Flash拒答率暴跌，能力几乎无损！ ✧ OBLITERATUS：… · @xiax0603 · TwKit

@xiax0603

🚨开源权重手术刀OBLITERATUS！failspy消融实现DeepSeek V4.1 Flash拒答率暴跌，能力几乎无损！ ✧ OBLITERATUS：AGPL‑3.0开源工具集，使用Abliteration消融技术，不微调不复训，投影剔除权重内部拒绝子空间 ✧ DeepSeek V4.1 Flash魔改版采用failspy算法，拒绝率81.62%降至4.30%，MMLU微涨，KL散度仅0.1305 nats ✧ 完整流水线：加载模型→探测激活→提取拒绝方向→权重投影消融→指标校验→输出safetensors权重 这套方案和常规prompt越狱完全不同，是在权重几何层面外科式切除拒绝方向，专门面向对齐研究、红队安全测评。 部署优势：输出的权重可以直接drop-in替换原版基座，推理阶段没有额外开销；内置多种算法，包含适配MoE模型的nuclear模式，规避拒绝表征自我重建的奥罗波若斯效应。 GitHub地址：https://github.com/elder-plinius/OBLITERATUS

曝光 400 · 评论 5 · 点赞 7 · 书签 1